主要的粒子群算法的分支就着4个，大部分的粒子群算法都环绕着这4个分支在变化，当中粒子群算法的变形居多，从根本上来说，差点儿没有什么新的思想的提出。
粒子群算法(5)-----标准粒子群算法的实现
标准粒子群算法的实现思想基本依照粒子群算法(2)----标准的粒子群算法的讲述实现。主要分为3个函数。第一个函数为粒子群初始化函数
InitSwarm(SwarmSize......AdaptFunc)其主要作用是初始化粒子群的粒子，并设定粒子的速度、位置在一定的范围内。本函数所採用的数据结构例如以下所看到的：
表ParSwarm记录的是粒子的位置、速度与当前的适应度值，我们用W来表示位置，用V来代表速度，用F来代表当前的适应度值。在这里我们如果粒子个数为N，每一个粒子的维数为D。
W1,1
W1,2
...
W1,D
V1,1
V1,2
...
V1,D-1
V1,D
F1
第1个粒子
W2,1
W2,2
...
W2,D
V2,1
V2,2
...
V2,D-1
V2,D
F2
第2个粒子
...
...
...
...
...
...
...
...
...
...
.......
WN-1,1
WN-1,2
...
WN-1,D-1
VN-1,1
VN-1,2
...
VN-1,D-1
VN-1,D
FN-1
第N-1个粒子
WN,1
WN,2
...
WN,D
VN,1
VN,2
...
VN,D-1
VN,D
FN
第N个粒子
表OptSwarm记录每一个粒子的历史最优解（粒子历史最好的适应度）以及全部粒子搜索到的全局最优解。用Wg代表全局最优解，W.,1代表每一个粒子的历史最优解。粒子群初始化阶段表OptSwarm的前N行与表ParSwarm中的同样，而Wg的值为表ParSwarm中适应度值的最大值相应的行。
Wj,1
Wj,2
...
Wj,D-1
Wj,D
第1个粒子的历史最优解
Wk,1
Wk,2
...
Wk,D-1
Wk,D
第2个粒子的历史最优解
...
...
...
...
...
...
Wl,1
Wl,2
...
Wl,D-1
Wl,D
第N-1个粒子的历史最优解
Wm,1
Wm,2
...
Wm,D-1
Wm,D
第N个粒子的历史最优解
Wg,1
Wg,2
...
Wg,D-1
Wg,D
全局粒子的历史最优解
依据这样的思想MATLAB代码例如以下：
function [ParSwarm,OptSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc)
%功能描写叙述：初始化粒子群，限定粒子群的位置以及速度在指定的范围内
%[ParSwarm,OptSwarm,BadSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc)
%
%输入參数：SwarmSize:种群大小的个数
%输入參数：ParticleSize：一个粒子的维数
%输入參数：ParticleScope:一个粒子在运算中各维的范围；
% ParticleScope格式:
% 3维粒子的ParticleScope格式:
% [x1Min,x1Max
% x2Min,x2Max
% x3Min,x3Max]
%
%输入參数：AdaptFunc：适应度函数
%
%输出：ParSwarm初始化的粒子群
%输出：OptSwarm粒子群当前最优解与全局最优解
%
%使用方法[ParSwarm,OptSwarm,BadSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc);
%
%异常：首先保证该文件在Matlab的搜索路径中，然后查看相关的提示信息。
%
%编制人：XXX
%编制时间：2007.3.26
%參考文献：无
%
%容错控制
if nargin~=4
error(\'输入的參数个数错误。\')
end
if nargout<2
error(\'输出的參数的个数太少，不能保证以后的执行。\');
end
[row,colum]=size(ParticleSize);
if row>1|colum>1
error(\'输入的粒子的维数错误，是一个1行1列的数据。\');
end
[row,colum]=size(ParticleScope);
if row~=ParticleSize|colum~=2
error(\'输入的粒子的维数范围错误。\');
end
%初始化粒子群矩阵
%初始化粒子群矩阵，全部设为[0-1]随机数
%rand(\'state\',0);
ParSwarm=rand(SwarmSize,2*ParticleSize+1);
%对粒子群中位置,速度的范围进行调节
for k=1:ParticleSize
ParSwarm(:,k)=ParSwarm(:,k)*(ParticleScope(k,2)-ParticleScope(k,1))+ParticleScope(k,1);
%调节速度，使速度与位置的范围一致
ParSwarm(:,ParticleSize+k)=ParSwarm(:,ParticleSize+k)*(ParticleScope(k,2)-ParticleScope(k,1))+ParticleScope(k,1);
end
%对每一个粒子计算其适应度函数的值
for k=1:SwarmSize
ParSwarm(k,2*ParticleSize+1)=AdaptFunc(ParSwarm(k,1:ParticleSize));
end
%初始化粒子群最优解矩阵
OptSwarm=zeros(SwarmSize+1,ParticleSize);
%粒子群最优解矩阵全部设为零
[maxValue,row]=max(ParSwarm(:,2*ParticleSize+1));
%寻找适应度函数值最大的解在矩阵中的位置(行数)
OptSwarm=ParSwarm(1:SwarmSize,1:ParticleSize);
OptSwarm(SwarmSize+1,:)=ParSwarm(row,1:ParticleSize);
以下的函数BaseStepPso实现了标准全局版粒子群算法的单步更新位置速度的功能
function [ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
%功能描写叙述：全局版本号：主要的粒子群算法的单步更新位置,速度的算法
%
%[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
%
%输入參数：ParSwarm:粒子群矩阵，包括粒子的位置，速度与当前的目标函数值
%输入參数：OptSwarm：包括粒子群个体最优解与全局最优解的矩阵
%输入參数：ParticleScope:一个粒子在运算中各维的范围；
%输入參数：AdaptFunc：适应度函数
%输入參数：LoopCount：迭代的总次数
%输入參数：CurCount：当前迭代的次数
%
%返回值：含意同输入的同名參数
%
%使用方法：[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
%
%异常：首先保证该文件在Matlab的搜索路径中，然后查看相关的提示信息。
%
%编制人：XXX
%编制时间：2007.3.26
%參考文献：XXX
%參考文献：XXX
%
%改动记录
%----------------------------------------------------------------
%2007.3.27
%改动人：XXX
% 加入2*unifrnd(0,1).*SubTract1(row,:)中的unifrnd(0,1)随机数，使性能大为提高
%參照基于MATLAB的粒子群优化算法程序设计
%
% 总体评价：使用这个版本号的调节系数，效果比較好
%
%容错控制
if nargin~=8
error(\'输入的參数个数错误。\')
end
if nargout~=2
error(\'输出的个数太少，不能保证循环迭代。\')
end
%開始单步更新的操作
%*********************************************
%*****更改以下的代码，能够更改惯性因子的变化*****
%---------------------------------------------------------------------
%线形递减策略
w=MaxW-CurCount*((MaxW-MinW)/LoopCount);
%---------------------------------------------------------------------
%w固定不变策略
%w=0.7;
%---------------------------------------------------------------------
%參考文献：陈贵敏，贾建援，韩琪，粒子群优化算法的惯性权值递减策略研究，西安交通大学学报，2006，1
%w非线形递减，以凹函数递减
%w=(MaxW-MinW)*(CurCount/LoopCount)^2+(MinW-MaxW)*(2*CurCount/LoopCount)+MaxW;
%---------------------------------------------------------------------
%w非线形递减，以凹函数递减
%w=MinW*(MaxW/MinW)^(1/(1+10*CurCount/LoopCount));
%*****更改上面的代码，能够更改惯性因子的变化*****
%*********************************************
%得到粒子群群体大小以及一个粒子维数的信息
[ParRow,ParCol]=size(ParSwarm);
%得到粒子的维数
ParCol=(ParCol-1)/2;
SubTract1=OptSwarm(1:ParRow,:)-ParSwarm(:,1:ParCol);
%*********************************************
%*****更改以下的代码，能够更改c1,c2的变化*****
c1=2;
c2=2;
%---------------------------------------------------------------------
%con=1;
%c1=4-exp(-con*abs(mean(ParSwarm(:,2*ParCol+1))-AdaptFunc(OptSwarm(ParRow+1,:))));
%c2=4-c1;
%----------------------------------------------------------------------
%*****更改上面的代码，能够更改c1,c2的变化*****
%*********************************************
for row=1:ParRow
SubTract2=OptSwarm(ParRow+1,:)-ParSwarm(row,1:ParCol);
TempV=w.*ParSwarm(row,ParCol+1:2*ParCol)+2*unifrnd(0,1).*SubTract1(row,:)+2*unifrnd(0,1).*SubTract2;
%限制速度的代码
for h=1:ParCol
if TempV(:,h)>ParticleScope(h,2)
TempV(:,h)=ParticleScope(h,2);
end
if TempV(:,h)<-ParticleScope(h,2)
TempV(:,h)=-ParticleScope(h,2)+1e-10;
%加1e-10防止适应度函数被零除
end
end
%更新速度
ParSwarm(row,ParCol+1:2*ParCol)=TempV;
%*********************************************
%*****更改以下的代码，能够更改约束因子的变化*****
%---------------------------------------------------------------------
%a=1;
%---------------------------------------------------------------------
a=0.729;
%*****更改上面的代码，能够更改约束因子的变化*****
%*********************************************
%限制位置的范围
TempPos=ParSwarm(row,1:ParCol)+a*TempV;
for h=1:ParCol
if TempPos(:,h)>ParticleScope(h,2)
TempPos(:,h)=ParticleScope(h,2);
end
if TempPos(:,h)<=ParticleScope(h,1)
TempPos(:,h)=ParticleScope(h,1)+1e-10;
end
end
%更新位置
ParSwarm(row,1:ParCol)=TempPos;
%计算每一个粒子的新的适应度值
ParSwarm(row,2*ParCol+1)=AdaptFunc(ParSwarm(row,1:ParCol));
if ParSwarm(row,2*ParCol+1)>AdaptFunc(OptSwarm(row,1:ParCol))
OptSwarm(row,1:ParCol)=ParSwarm(row,1:ParCol);
end
end
%for循环结束
%寻找适应度函数值最大的解在矩阵中的位置(行数)，进行全局最优的改变
[maxValue,row]=max(ParSwarm(:,2*ParCol+1));
if AdaptFunc(ParSwarm(row,1:ParCol))>AdaptFunc(OptSwarm(ParRow+1,:))
OptSwarm(ParRow+1,:)=ParSwarm(row,1:ParCol);
end
这两个函数给出以后，须要一个函数来把这两个函数组装起来，以此实现一个完整的粒子群算法，这个函数就是PsoProcess
代码例如以下：
function [Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot)